Development and implementation of efficient forecasting and monitoring of air pollutants, based on AI techniques using data from an extensive measurement network (Q77612): Difference between revisions
Jump to navigation
Jump to search
(Changed label, description and/or aliases in de, and other parts: Adding German translations) |
(Changed label, description and/or aliases in nl, and other parts: Adding Dutch translations) |
||||||||||||||
| label / nl | label / nl | ||||||||||||||
Ontwikkeling en implementatie van effectieve voorspelling en monitoring van luchtverontreinigende stoffen, op basis van KI-technieken aan de hand van gegevens van een uitgebreid meetnetwerk | |||||||||||||||
| Property / summary | |||||||||||||||
Referentie_Aid_programma: SA.41471(2015/X) Doel_public_aid: Artikel 25 van Verordening (EG) nr. 651/2014 van 17 juni 2014 waarbij bepaalde categorieën steun op grond van de artikelen 107 en 108 van het Verdrag met de interne markt verenigbaar worden verklaard (PB URZ. EU L 187/1 van 26.6.2014). Het doel van dit project is het ontwikkelen en implementeren van innovatieve berekeningsmethoden op het gebied van kunstmatige intelligentie en machine learning voor de analyse, correctie, verwerking en voorspelling van informatie over luchtverontreiniging. De analysegegevens zullen worden verstrekt via een netwerk van goedkope vervuilingssensoren. Het dicht verdeelde netwerk van dergelijke meetapparatuur (doeltreffend 2-3 sensoren/km^2 van het gebied waarop de meting betrekking heeft) lost drie problemen op: kwaliteit van de gegevens (dankzij de continue bepaling van het verontreinigingsniveau aan de hand van gegevens van meerdere sensoren, waardoor de fout van de gemeten waarde wordt verminderd en gegevens kunnen worden gecorrigeerd in geval van schade aan één sensor), onmiddellijke identificatie van lokale bronnen van verontreiniging en het verstrekken van gegevens van nog niet gemeten locaties (bv. van eengezinsgebieden die lage emissies genereren en gebieden verwijderd van nauwkeurige maar dure meetstations). Deze drie aspecten zijn van cruciaal belang voor de kwaliteit van de prognoses en maken het voor het eerst mogelijk de doeltreffendheid van de maatregelen ter bescherming van de luchtkwaliteit te beoordelen. (Dutch) | |||||||||||||||
| Property / summary: Referentie_Aid_programma: SA.41471(2015/X) Doel_public_aid: Artikel 25 van Verordening (EG) nr. 651/2014 van 17 juni 2014 waarbij bepaalde categorieën steun op grond van de artikelen 107 en 108 van het Verdrag met de interne markt verenigbaar worden verklaard (PB URZ. EU L 187/1 van 26.6.2014). Het doel van dit project is het ontwikkelen en implementeren van innovatieve berekeningsmethoden op het gebied van kunstmatige intelligentie en machine learning voor de analyse, correctie, verwerking en voorspelling van informatie over luchtverontreiniging. De analysegegevens zullen worden verstrekt via een netwerk van goedkope vervuilingssensoren. Het dicht verdeelde netwerk van dergelijke meetapparatuur (doeltreffend 2-3 sensoren/km^2 van het gebied waarop de meting betrekking heeft) lost drie problemen op: kwaliteit van de gegevens (dankzij de continue bepaling van het verontreinigingsniveau aan de hand van gegevens van meerdere sensoren, waardoor de fout van de gemeten waarde wordt verminderd en gegevens kunnen worden gecorrigeerd in geval van schade aan één sensor), onmiddellijke identificatie van lokale bronnen van verontreiniging en het verstrekken van gegevens van nog niet gemeten locaties (bv. van eengezinsgebieden die lage emissies genereren en gebieden verwijderd van nauwkeurige maar dure meetstations). Deze drie aspecten zijn van cruciaal belang voor de kwaliteit van de prognoses en maken het voor het eerst mogelijk de doeltreffendheid van de maatregelen ter bescherming van de luchtkwaliteit te beoordelen. (Dutch) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Referentie_Aid_programma: SA.41471(2015/X) Doel_public_aid: Artikel 25 van Verordening (EG) nr. 651/2014 van 17 juni 2014 waarbij bepaalde categorieën steun op grond van de artikelen 107 en 108 van het Verdrag met de interne markt verenigbaar worden verklaard (PB URZ. EU L 187/1 van 26.6.2014). Het doel van dit project is het ontwikkelen en implementeren van innovatieve berekeningsmethoden op het gebied van kunstmatige intelligentie en machine learning voor de analyse, correctie, verwerking en voorspelling van informatie over luchtverontreiniging. De analysegegevens zullen worden verstrekt via een netwerk van goedkope vervuilingssensoren. Het dicht verdeelde netwerk van dergelijke meetapparatuur (doeltreffend 2-3 sensoren/km^2 van het gebied waarop de meting betrekking heeft) lost drie problemen op: kwaliteit van de gegevens (dankzij de continue bepaling van het verontreinigingsniveau aan de hand van gegevens van meerdere sensoren, waardoor de fout van de gemeten waarde wordt verminderd en gegevens kunnen worden gecorrigeerd in geval van schade aan één sensor), onmiddellijke identificatie van lokale bronnen van verontreiniging en het verstrekken van gegevens van nog niet gemeten locaties (bv. van eengezinsgebieden die lage emissies genereren en gebieden verwijderd van nauwkeurige maar dure meetstations). Deze drie aspecten zijn van cruciaal belang voor de kwaliteit van de prognoses en maken het voor het eerst mogelijk de doeltreffendheid van de maatregelen ter bescherming van de luchtkwaliteit te beoordelen. (Dutch) / qualifier | |||||||||||||||
point in time: 16 December 2021
| |||||||||||||||
Revision as of 19:15, 16 December 2021
Project Q77612 in Poland
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | Development and implementation of efficient forecasting and monitoring of air pollutants, based on AI techniques using data from an extensive measurement network |
Project Q77612 in Poland |
Statements
3,399,244.5 zloty
0 references
4,522,020.0 zloty
0 references
75.17 percent
0 references
1 September 2017
0 references
31 August 2020
0 references
AIRLY SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
0 references
50°2'48.8"N, 19°59'49.9"E
0 references
Numer_referencyjny_programu_pomocowego: SA.41471(2015/X) Przeznaczenie_pomocy_publicznej: art. 25 rozporządzenia KE nr 651/2014 z dnia 17 czerwca 2014 r. uznające niektóre rodzaje pomocy za zgodne z rynkiem wewnętrznym w stosowaniu art. 107 i 108 Traktatu (Dz. Urz. UE L 187/1 z 26.06.2014). Przedmiotem niniejszego projektu jest opracowanie i wdrożenie innowacyjnych metod obliczeniowych w obszarze sztucznej inteligencji i uczenia maszynowego, dotyczących analizy, korekty, przetwarzania i prognozowania informacji dotyczącej zanieczyszczenia powietrza. Dane do analizy zostaną dostarczone za pomocą sieci tanich czujników zanieczyszczenia. Gęsto rozmieszczona sieć takich urządzeń pomiarowych (docelowo 2-3 czujniki/km^2 obszaru objętego pomiarem) rozwiązuje trzy problemy: jakości danych (dzięki ciągłemu oznaczaniu poziomu zanieczyszczeń przy użyciu danych z wielu sensorów, co pozwala na zmniejszenie błędu mierzonej wartości oraz umożliwia korektę danych w przypadku uszkodzenia któregoś czujnika), natychmiastowej identyfikacji lokalnych źródeł zanieczyszczenia oraz udostępniania danych z miejsc dotychczas nieobjętych pomiarem (np. z obszarów zabudowy jednorodzinnej, generującej niską emisję i terenów oddalonych od precyzyjnych lecz drogich stacji pomiarowych). Powyższe trzy aspekty są krytyczne dla jakości prognozy i po raz pierwszy umożliwiają ocenę efektywności działań, mających na celu ochronę jakości powietrza. (Polish)
0 references
Reference number of the aid programme: SA.41471(2015/X) Purpose of public aid: Article 25 of EC Regulation No 651/2014 of 17 June 2014 declaring certain types of aid compatible with the internal market in the application of Articles 107 and 108 of the Treaty (OJ L. I'm sorry. EU L 187/1 of 26.06.2014). The subject of this project is to develop and implement innovative calculation methods in the area of artificial intelligence and machine learning, for analysis, correction, processing and forecasting of air pollution information. Data for analysis will be provided via a network of low-cost pollution sensors. A densely distributed network of such measuring devices (target 2-3 sensors/km^2 of the measured area) solves three problems: data quality (due to continuous determination of the level of pollutants using data from multiple sensors, which allows to reduce the error of the measured value and allows correction of data in case of damage to a sensor), immediate identification of local sources of pollution and sharing of data from places not covered by the measurement (e.g. from single-family buildings, generating low emissions and areas far from precise but expensive measuring stations). These three aspects are critical for the quality of the forecast and allow for the first time to assess the effectiveness of activities aimed at protecting air quality. (English)
14 October 2020
0 references
Reference_Aid_programme: SA.41471(2015/X) But_public_aid: Article 25 du règlement (CE) no 651/2014 du 17 juin 2014 déclarant certaines catégories d’aides compatibles avec le marché intérieur en application des articles 107 et 108 du traité (JO URZ. EU L 187/1 du 26.6.2014). Le but de ce projet est de développer et de mettre en œuvre des méthodes de calcul innovantes dans le domaine de l’intelligence artificielle et de l’apprentissage automatique pour l’analyse, la correction, le traitement et la prévision des informations sur la pollution atmosphérique. Les données seront fournies à des fins d’analyse par l’intermédiaire d’un réseau de capteurs de pollution à faible coût. Le réseau dense de ces appareils de mesure (ciblement 2-3 capteurs/km^2 de la zone couverte par la mesure) résout trois problèmes: qualité des données (grâce à la détermination continue du niveau de pollution à l’aide de données provenant de capteurs multiples, ce qui réduit l’erreur de la valeur mesurée et permet de corriger les données en cas d’endommagement d’un capteur), l’identification immédiate des sources locales de pollution et la fourniture de données provenant d’endroits non encore mesurés (par exemple, des zones monofamiliales produisant de faibles émissions et des zones éloignées de stations de mesure précises mais coûteuses). Ces trois aspects sont essentiels pour la qualité des prévisions et, pour la première fois, permettent d’évaluer l’efficacité des mesures de protection de la qualité de l’air. (French)
30 November 2021
0 references
Referenz_Aid_Programm: SA.41471(2015/X) Zweck_public_aid: Artikel 25 der Verordnung (EG) Nr. 651/2014 vom 17. Juni 2014 zur Feststellung der Vereinbarkeit bestimmter Gruppen von Beihilfen mit dem Binnenmarkt in Anwendung der Artikel 107 und 108 AEUV (ABl. URZ. EU L 187/1 vom 26.6.2014). Ziel dieses Projekts ist es, innovative Berechnungsmethoden im Bereich der künstlichen Intelligenz und des maschinellen Lernens für die Analyse, Korrektur, Verarbeitung und Vorhersage von Informationen über Luftverschmutzung zu entwickeln und umzusetzen. Die Daten für die Analyse werden über ein Netzwerk kostengünstiger Schadstoffsensoren bereitgestellt. Das dicht verteilte Netzwerk solcher Messgeräte (Ziel 2-3 Sensoren/km^2 des von der Messung abgedeckten Bereichs) löst drei Probleme: Datenqualität (dank der kontinuierlichen Bestimmung des Verschmutzungsgrades anhand von Daten mehrerer Sensoren, die den Fehler des Messwertes verringert und die Korrektur von Daten bei Schäden an einem Sensor ermöglicht), die sofortige Identifizierung lokaler Verschmutzungsquellen und die Bereitstellung von Daten von noch nicht gemessenen Orten (z. B. aus Einfamilienbereichen, die geringe Emissionen erzeugen, und Bereiche außerhalb präziser, aber kostspieliger Messstationen). Diese drei Aspekte sind für die Qualität der Prognose von entscheidender Bedeutung und ermöglichen es erstmals, die Wirksamkeit der Maßnahmen zum Schutz der Luftqualität zu bewerten. (German)
7 December 2021
0 references
Referentie_Aid_programma: SA.41471(2015/X) Doel_public_aid: Artikel 25 van Verordening (EG) nr. 651/2014 van 17 juni 2014 waarbij bepaalde categorieën steun op grond van de artikelen 107 en 108 van het Verdrag met de interne markt verenigbaar worden verklaard (PB URZ. EU L 187/1 van 26.6.2014). Het doel van dit project is het ontwikkelen en implementeren van innovatieve berekeningsmethoden op het gebied van kunstmatige intelligentie en machine learning voor de analyse, correctie, verwerking en voorspelling van informatie over luchtverontreiniging. De analysegegevens zullen worden verstrekt via een netwerk van goedkope vervuilingssensoren. Het dicht verdeelde netwerk van dergelijke meetapparatuur (doeltreffend 2-3 sensoren/km^2 van het gebied waarop de meting betrekking heeft) lost drie problemen op: kwaliteit van de gegevens (dankzij de continue bepaling van het verontreinigingsniveau aan de hand van gegevens van meerdere sensoren, waardoor de fout van de gemeten waarde wordt verminderd en gegevens kunnen worden gecorrigeerd in geval van schade aan één sensor), onmiddellijke identificatie van lokale bronnen van verontreiniging en het verstrekken van gegevens van nog niet gemeten locaties (bv. van eengezinsgebieden die lage emissies genereren en gebieden verwijderd van nauwkeurige maar dure meetstations). Deze drie aspecten zijn van cruciaal belang voor de kwaliteit van de prognoses en maken het voor het eerst mogelijk de doeltreffendheid van de maatregelen ter bescherming van de luchtkwaliteit te beoordelen. (Dutch)
16 December 2021
0 references
Identifiers
POIR.01.01.01-00-0049/17
0 references